基于改进化学反应算法的半导体最终测试调度方法

(一)本发明涉及的是一种基于改进化学反应算法的半导体最终测试调度方法，其属于柔性作业车间调度问题领域。

背景技术：

0、(二)背景技术

1、随着芯片需求的快速增长，半导体制造业正面临着激烈的竞争。其可以在包括移动设备、led、绿色能源、汽车电子产品等方面广泛应用。全功能集成电路经历四种制造过程，包括晶圆片制造、晶圆探针、封装和最终测试。而最终的测试是交付给客户之前的最后一道工序，其主要工作为检查故障并保证其质量，其具有复杂性、不确定性和耗时性。在工业生产中科学合理的对可用资源和生产任务进行计划分配，尽可能最小化最大完工时间的问题一直是制造科学领域中研究的热点，其中柔性作业车间调度问题主要表达为在一定的时间内对加工工件的操作排序以及加工机器的选择的问题，其复杂程度高，求解难度大，是经典的np难题。研究这类调度问题，可以提高生产效率，加快生产速度，所以有极大的研究意义和应用价值。

2、现提出的优化算法主要分为两大类分别是精确算法和启发式算法，精确算法主要包括分支定界法、背景分割法和动态规划法等等。精确算法需要通过准确的计算得出，所以适合小规模的问题，在大规模问题求解上计算量过大，不适用。启发式算法又称近似算法，是由经验或自然现象启发总结得到的算法，其可以分为基于个体和基于群体两大类，基于个体的启发式算法包括模拟退火算法、禁忌搜索算法和差分进化算法等等，基于群体的启发式算法则包括进化算法、粒子群算法、蚁群算法以及化学反应算法等等。

3、化学反应算法模拟四种初等化学反应，分解反应、合成反应、墙上碰撞反应和分子间碰撞反应，以物质能量守恒理论为基础，寻求达到物质最稳定的状态即势能最低的状态，此状态在优化问题中为近优解；目前化学反应优化算法在柔性作业车间调度问题中的应用中提出的方法较少，并且在应用上求解的精度较低，容易陷入局部最优；而且在大规模生产制造过程中很难获得令人满意的结果。

技术实现思路

0、(三)
技术实现要素：

1、本发明的目的是针对现有的技术缺陷，提出一种基于改进化学反应算法的半导体最终测试调度方法，以解决上述背景技术提出的问题。该方法将化学反应优化算法应用于半导体制造最终检测调度问题中，解决实际制造中的问题；不仅如此，在实际产品制造过程中，代加工产品上机可能需要准备时间，算法将这一因素添加到调度问题中更贴合实际制造中的问题；在算法初始化阶段采用启发式规则随机组合产生初始解来提高解的质量；算法将完成反应后的分子调整关键路径以达到减小最小最大完工时间的目的；本发明提供了一种半导体制造过程中最终检测环节调度方法，优化了化学反应优化算法在半导体制造最终检测环节中求解的精度，同时考虑实际生产制造中的因素更加完善。

2、基于改进化学反应算法的半导体最终测试调度方法,其特征在于在化学反应优化算法的基础上调整关键路径优化解，同时将其应用于实际生产线的一种调度方法，且所述方法是在计算机上依次按如下步骤实现的：

3、s0：根据待测试半导体产品信息，生成半导体最终测试流程；

4、s1：初始化，设定如下基本变量；

5、j：生产线的工件总数，j＝1，2，...，n；

6、m：生产线加工设备总数，m＝1，2，...，m；

7、oij：工件i的第j道操作；

8、mij：工件i的第j道操作的可选加工设备的集合；

9、pijk：工件i的第j道操作在设备k上的加工时间；

10、sij：工件i的第j道操作的开始加工时间；

11、eij：工件i的第j道操作的结束加工时间；

12、suijk:工件i的第j道操作的准备时间；

13、susij:工件i的第j道操作的开始准备时间；

14、sueij:工件i的第j道操作的结束准备时间；

15、设定算法相关参数：

16、kelossrate：墙上无效碰撞中动能减少的百分比上限，kelossrate越大，分子群总动能减少越快，收敛速度越快，全局搜索能力变差；

17、initialke：在初始阶段给每个分子分配的初始动能值，即算法跳出局部最优的能力，此值越小全局搜索能力越弱，越大可能会导致算法不收敛；

18、molecoll：判定分子进行多分子反应还是单分子反应；

19、α：对于进行单子分反应的分子，判定是否满足分解反应的条件，若是则进行分解反应，若否则进行墙上碰撞反应；

20、β：对于进行多子分反应的分子，判定是否满足合成反应的条件，若是则进行合成反应，若否则进行分子间碰撞反应；

21、s2：生成待求解的半导体最终测试调度问题实例；

22、s2.1：采集包括上述工件数、工序数、各工序的并行设备组、各操作在各并行设备上的加工时间在内的调度相关信息并存储至调度数据库中；

23、s2.2：模拟实际生产制造过程中的准备时间，随机生成准备时间集(setup time),跟其他调度信息一起形成待求解的半导体最终测试调度问题实例；

24、s3：个体编码，初始化种群，因为初始解的质量对之后解有着重要影响，所以初始化种群时选择随机生成解和按启发式规则生成解组合形成初始种群；

25、s3.1：种群中50％的解选择随机产生个体；

26、s3.2：种群中50％的解采用启发式规则：加工时间越短越优先(shortestprocessing time)、加工时间越长越优先(longest processing time)、剩余加工操作越多越优先(longest remain processing operation)、剩余加工时间越长越优先(longestremain processing time)和剩余加工时间越短越优先(shortest remain processingtime)多种启发式规则随机产生初始个体；

27、s3.3：两种方式产生的个体组成的初始种群p0，并放入历史解集historyobjectives中；

28、s4：判断进行单分子反应还是多分子反应，随机产生一个介于0到1的实数r，当r<molecoll时，进行多分子反应，反之则进行单分子反应；

29、s5：选择一个或多个分子进行反应，根据多臂赌博机思想，在历史解集historyobjectives中，通过计算公式选择分子进行反应；

30、s6：判断是否满足分解反应或者合成反应的条件，对于将要进行多分子反应，判断β与分子反应次数的大小关系，当分子反应次数<β时，进行合成反应，否则进行分子间碰撞反应。同样的，对于将要进行单分子反应时，判断α与分子反应次数的大小关系，当分子反应次数<α时，进行分解反应，否则进行墙上碰撞反应；

31、s7：进行反应；

32、s7.1：使用pbx算子进行分子间碰撞反应，对进行反应的两个配对个体p1和p2中，随机选取若干位置点，将p1和p2所选位置上的所有基因截取，之后互换形成新的个体c1和c2；

33、s7.2：使用改进的邻域搜索算子进行墙上碰撞反应，先生成一个随机实数x0介于0到1之间，当x0小于参数值时，使用邻域搜索改变其操作号，当x0大于参数值时，改变个体的机器号；

34、s7.3：使用均匀分割算子进行分解反应，对进行反应的父代个体p1，重新排列组合后根据p1的基因长度一分为二，再进行填以此充分裂成两个全新的子代个体c1和c2；

35、s7.4：使用两点交叉算子进行合成反应，对进行反应的两个父代个体p1、p2,随机选取两个位置点，父代p1从位置点1开始复制父代p2的基因直到位置点2，从而得到子代c1；

36、s7.5：平衡机器负载；

37、s7.5.1：遍历编码，搜索当前操作的所有可加工设备，查阅并行可加工设备的加工序列；

38、s7.5.2：判断加工序列需要插入的时间段是否空闲，在不影响已有加工序列的前提下，若插入后此操作的完工时间比插入前的提前，则更改操作的机器，以此来平衡设备的负载；

39、s8：调整解的关键路径；

40、s8.1找到整个加工过程的最后一道工序，并锁定工序的加工设备，此设备从开始加工到结束加工的所有产品按加工顺序排列为关键路径；

41、s8.2按照最早开始加工时间进行拓扑排序，得到新的解，保留解至历史解集historyobjectives；

42、s9：计算种群大小，根据时实的种群规模与初始种群规模规模，计算中间量γ，以此改变控制种群数量参数α和β的大小，从而实现动态控制种群的数量；

43、s10：判定算法是否结束；

44、若待调度问题的所有操作均已调度完成，则结束算法，否则，执行s4；

45、s11：输出最优解即最小化最大完工时间cmax。

46、根据上述基于改进化学反应优化算法在半导体最终测试调度问题中的应用方法，本发明做了大量的仿真实验，从结果可看出，本发明对比其他优化算法在半导体最终测试调度问题上，目标函数结果得到优化，显著缩短了最小化最大完工时间。